茶芽检测识别是实现茶芽采摘自动化和智能化的基础.针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题,提出一种基于深度学习的茶芽检测方法.以YOLOv5(You Only Look Once)算法为框架,通过引入坐标注意力机制和使用RepVGG重构卷积块的方式改进算法,提升茶芽检测性能.结果表明,使用改进后的模型的茶芽检测准确率为86.48％,精确率为85.1％,召回率为78.41％,参数量为5500541,模型大小为11.3MB.相比于改进前的算法,该方法不仅具有更高的检测精度,还有效降低了模型的大小,可以很好地应用于复杂背景茶芽检测中,并为嵌入式设备研究提供支持和参考.
万方数据
维普
